最优化方法第十一讲.ppt

§4.5 复 形 法 讨论无约束最优化还是约束最优化问题，上面所介绍的方法均是利用梯度作为工具的．在实际应用中还有一类方法称为直接法，它在建立迭代时仅仅涉及目标函数及约束函数的函数值计算． 直接法的效果不如应用梯度的算法，但直接法构思直观、使用方便、效果稳定． 复形法 §4.5 复 形 法 复形法既可用于无约束最优化问题，也可用于约束最优化问题．对问题 min f(x) s.t. x∈D ∈Rn 1．构成复形 随机地在D中选取k(≥n+1)个点{xi}，1≤i≤k，以这些点为顶点组成多面体，这种多面体称为复形（凸包）．顶点个数一般认为取2n个较好． §4.5 复 形 法 2．形成反射点 计算各点的目标函数值， 比较出函数值最大的点， 称为坏点xl，即 再计算由坏点以外的其余 各点{x1,…，xk}\｛xl｝ 所构成凸包的中心x0为反射中心 §4.5 复 形 法 作坏点xl关于反射中心x0的a倍反射点xa xa= x0+a(x0-xl) 其中a≥1，认为a=1.3较好． 3．检查可行性 若xa∈D,则转4；否则,令a=0.5a,直到xa∈D为止. §4.5 复 形 法 4．形成新的复形 若xa比xl好，即f(xa)f(xl)，则由xa替代xl组成新的复形； 若xa比xl还坏，即f(xa)≥f(xl),则令a=0.5a，由xa= x0+a(x0-xl)重新计算得xa，直至f(xa)f(xl)，再以xa替代xl组成新的复形； 若a值不断缩小且已小于某个预先给定的正数ε1时，则不进行，去掉xl后构成新的复形，k=k+1. 5．回2． §4.5 复 形 法 常采用的精度要求有两种： 1．在第二步中，若 a‖x0-xl‖ε2 则停机． 2．在第四步中，若 则停机,其中ε1、ε2、 ε3为预先给定的精度要求． 停机时所得到的各顶点中目标函数值最小的顶点即为最好点，作为所求的近似最优点 §4.5 复 形 法 例 4.10 用复形法求解 min 5(x1-3)2+(x2-6)2 解 任取点xl=(3,5)T, x2=(4,7)T, x3=(5,6)T, x4=(6,3)T构成初始复形.分别计算相应函数值: x xl x2 x3 x4 f(x) 1 6 20 54 比较得最坏点xl= x4, 计算由xl,x2,x3构成三角形的中心 x 0=((3+4+5)/3,(5+7+6)/3)T=(4,6)T §4.5 复 形 法 计算x4关于x0的反射点xa(取a=1)和相应函数值 xa=(4+(4-6),6+(6-3))T=(2,9)T f(xa)=14 由f(xa)f(x4)，以xa替代x4 经过第一次迭代,得新的复形,其顶点和相应函数值 x (3,5)T (4,7)T (5,6)T (2,9)T f(x) 1 6 20 14 §4.5 复 形 法 x (3,5)T (4,7)T (5,6)T (2,9)T f(x) 1 6 20 14 比较得最坏点xl=(5,6)T, 计算由(3,5)T, (4,7)T, (2,9)T构成的三角形的中心 x 0=((3+4+2)/3,(5+7+9)/3)T=(3,7)T 计算(5,6)T关于(3,7)T的反射点和相应函数值 xa=(3+(3-5),7+(7-6))T=(1,8)T f(xa)=24 §4.5 复 形 法 f(xa)≥f(xl)，则令a=0.5a，重新计算得xa xa=(3+0.5(3-5),7+0.5(7-6))T=(2,7.5)T f(xa)=7.25 由f(xa)f(xl)，以xa替代xl, 构成新的复形,其顶点和相应函数值 x (3,5)T (4,7)T (2,9)T (2,7.5)T f(x